据DeepLearning.AI称，研究人员发布了Walrus，一种可在液体、气体与等离子体等多物理域进行预测的Transformer模型，其长期滚动预测更稳定、精度高于以往方法，关键在于通过“抖动”训练降低迭代仿真中的误差累积。正如DeepLearning.AI在The Batch所报道，Walrus具备跨领域泛化能力，可用于替换或加速部分计算流体力学流程，节省工程设计迭代中的GPU成本，并加速气候、航天与能源场景的情景分析与数字孪生部署。根据DeepLearning.AI的总结，抖动策略在自回归步骤中施加可控扰动，强化长时程稳健性，契合生产级预测与实时仿真的需求。